概要

NVIDIAの平野一将氏は、フィジカルAIでは低遅延処理や情報を外部に出さない要件から、ロボット上のエッジコンピューティングが重要になると説明した。Jetson ThorはVLAなどの大きなAIモデルをエッジで扱う選択肢だが、Orinとの併用やシミュレーション・学習との連携も想定されている。

詳しいファクト

Jetson Thorとエッジ処理の位置づけ

NVIDIAは、ロボティクス向けエッジ基盤としてNVIDIA Jetson AGX Thorを展開している。平野一将氏は、ロボットでVLAや映像理解などのモデルを動かす需要が広がっている一方、必要なコンピューティングはモデルの規模や同時処理の内容によって異なると説明した。ThorはBlackwellアーキテクチャを採用し、FP4に対応する。

出典を確認 ↗

開発環境と複数コンピューターの活用

Jetson AGX Thor開発者キットにはT5000が搭載され、T4000のCPU・GPU・メモリ性能を想定したエミュレーションにも対応する。平野氏は、用途に応じてOrinを複数使う構成や、ThorとOrinを組み合わせる構成、処理を分散する方法もあると述べた。Jetson各製品では共通のソフトウェアプラットフォームを利用できるとしている。

出典を確認 ↗

シミュレーションと講演予定

平野氏は、フィジカルAIの開発ではエッジだけに依存せず、シミュレーションや学習と実機での処理を組み合わせる考え方を示した。NVIDIA Omniverseを基盤とするIsaac Simはシミュレーションに、Isaac Labはシミュレーション環境でのロボット学習・評価に使われる。平野氏は2026年11月20日、EdgeTech+ 2026でエッジ実装の課題などを扱う基調講演に登壇する予定である。

出典を確認 ↗

独自観点のコメント

## ハードウェア単体ではなく、開発基盤全体での訴求

NVIDIAの訴求点は、Thorの処理能力だけでなく、Orinとの使い分けや組み合わせ、共通ソフトウェア基盤、シミュレーション・学習環境まで含めた開発経路にある。これは、単一の高性能機への置き換えを促すより、ロボットの用途や搭載コストに応じて構成を選ばせる戦略と読める。

AMRでは比較的限定されたセンサー処理やSLAMが中心となる場合があるのに対し、ヒューマノイドでは認識、推論、移動、把持など複数の処理を連携させる必要がある。したがって競争上の焦点は、エッジ機器の性能だけでなく、モデルを実機へ適用し、データを使って改善する開発体制にも及ぶ。記事中の説明からは、NVIDIAがこの一連の環境をまとめて提供する点を差別化要素としていることがうかがえる。

関連する企業・製品

出典